بخشی از مقاله
چکیده:
تحول در دنیای رو به رشد و پررقابت امروزی، یکی از الزامات هر سازمان به شمار میرود. مدیریت فرآیند کسبوکار، پیشرفتهترین نوع مدیریت است که سازمانها را به سمت بهینهسازی مستمر سوق میدهد و جهشی به سوی بهبودی محسوب میشود. مدیریت فرآیند کسبوکار، مجموعه فرآیندهایی است که به سازمانها کمک میکند تا کارآیی کسبوکارشان، بهبود داده شود.
در این راستا، سیستمها و نرمافزارهایی تحت عنوان BPMS در سازمانها استقرار مییابند. بیش از 100 نوع نرمافزار در زمینهی مدیریت فرآیند کسبوکار مشغول به فعالیت هستند که با قابلیتهای خاص، شرایط پویای سازمانی را موردتجزیه و تحلیل قرار میدهند. در مطالعهی حاضر با تجزیه و تحلیل و توزیع خودکار فرآیندهای کسب و کار BPM مبتنی بر شبکه های جدید و نسل بعدی شبکه ها یعنی محاسبات ابری پرداخته شده است.
-1-1 مقدمه: تجزیه و تحلیل و توزیع خودکار فرآیندهای کسب و کار
رایانش ابری به عنوان فن آوری ای که قرار است در سالهای پیش رو بیشترین و سریعترین پیشرفت و تسخیر بازار را داشته باشد معرفی میشود. - گارتنر این فنآوری را به عنوان دومین فنآوری برتر استراتژیک سال 2009 اعلام کرده است - نرم افزارهای کاربردی مربوط به تجارت بزرگترین بازار استفاده از خدمات رایانش ابری خواهد بود که با حرکتی تدریجی از خدمات درون شرکتی1 به سمت خدمات بر پایه ابر پیش خواهد رفت، به خصوص برای نرم افزارهای کاربردی عمومیای مثل مدیریت ارتباط با مشتری 2و برنامه ریزی منابع سازمان معماری BPM مبتنی بر ابر، اجازه می دهد تا سازمان بصورت سیستماتیک از ابر و منابع، با توزیع فعالیت ها و داده ها در هر دو طرف استفاده کند. در این معماری خدمات درون شرکتی بر این اصل می باشد که با همکاری ابر موتورهای فرآیند و پایگاه داده همیشه در دسترس باشند.
خدمات درون شرکتی که هر یک از فعالیت ها و داده های به طور مستقل بر فرایند کسب و کار توزیع شده عمل می کنند، واگر m فعالیت و n داده داشته باشیم 2mn راه برای استقرار در همکاری خدمات درون شرکتی در ابر و پایگاه داده توزیع شده را میتوان پیش بینی کرد .
این گزینه توزیع ، عواقب مربوط به مهاجرت به ابر مانند مزایای هزینه کم و خطرات حفظ حریم خصوصی را خواهد داشت .
مثلا کم شدن هزینه های سخت افزاری و نرم افزاری خدمات درون شرکتی ولی باعث در دسترس بودن اطلاعات سازمان می شود .
در معماری BPM مبتنی بر ابر، داده های ورودی برای یک فعالیت مستقر در ابر ممکن است داده های خروجی از یک فعالیت در خدمات درون شرکتی یا بالعکس باشد . به عنوان مثال در شکل 1 ساختار مدیریت فرآیند کسب و کار در یک شرکت ساختگی نمایش داده می شود .
شرح مدل
· مدل شامل فعالیت های A1 - A5 و یک آیتم داده D1 می باشد
· فعالیت A1 - A5 نشان دهنده هماهنگی و نظم خدمات از موتور پردازش می باشد
· آیتم داده D1 خروجی از فعالیت A1 و یک ورودی است برای فعالیت A2
· فرض کنیم که فعالیت A1 و برخی از اقلام داده خروجی آن D 1 شامل استراتژیک اطلاعات سازمان باشد
• فعالیت های A2 - A5 محاسبات فشرده فعالیت، آیتم داده D1 داده فیزیکی ذخیره شده بر روی پایگاه داده خدمات درون شرکتی می باشد.
· سازمان می خواهد از معماری BPM مبتنی بر ابر با توزیع برخی از فعالیت های A1 - A5 و یا آیتم داده 1 D به همکاری در ابر و در خدمات درون شرکتی، و سیستم های مدیریت پایگاه داده بهره مند شود.
شکل -1 معماری BPM مبتنی بر ابر
توزیع مستقیم مدل فرآیند کسب و کار بر روی خدمات درون شرکتی با همکاری در ابر و در موتورهای پایگاه داده در شکل 1 نشان داده شده است. این سیستم بطورخودکار به شناسایی و رتبه بندی گزینه های توزیع، قبل از تجزیه در شکل 1 نمایش می دهد
گاهی اوقات، هزینه این ارتباط می تواند بالاتر از سود که سازمان از معماری BPM مبتنی بر ابر به دست آورد شود با این وجود، این ریسک همیشه می باشد و مزایا و خطرات باقی می ماند پس از شناسایی و رتبه بندی از گزینه های توزیع و نتایج آنها با استفاده از سیستم خودکار ما ارزیابی می شوند .
حاشیه نویسی و تجزیه و تحلیل دو مرحله متوالی لازم برای کاربران سیستم خودکار می باشد. به منظور شناسایی و گزینه های توزیع رتبه و نتایج آنها از مدل شکل 2 استفاده می شود اولین قدم این است برای حاشیه نویسی مدل اصلی با ابر اطلاعات مربوط و در فرض هزینه ها. گام بعدی این است برای شناسایی و رتبه بندی گزینه های توزیع و پیامدهای آنها، با استفاده از حاشیه نویسی مدل فرایند کسب و کار به عنوان ورودی به الگوریتم های ما قبل از تجزیه واقعی همانطور که در شکل نشان داده شده شود
شکل:2 شناسایی و گزینه های توزیع رتبه
شکل: 3 الگوریتم های ما قبل از تجزیه واقعی
-2-1 سیستم خودکار چهارچوب های EA
معماری سازمانی - EA - روشی است که برای ارائه پشتیبانی تصمیم گیری بر اساس مدل های گسترده سازمانی استفاده می شود. با این حال، ایجاد چنین مدلی دشوار است، زیرا جنبه های گوناگونی از یک سازمان باید مورد ملاحظه قرار گیرند، که تلاش های دستی را زمان بر و مستعد خطا می سازد. بنابراین اگر داده هایی که در زمان ایجاد مدل استفاده می شوند، بتوانند بصورت خودکار جمع آوری شوند، رویکرد EA به طور قابل توجهی نوید بخش تر خواهد بود - موضوعی که هنوز بصورت صحیحی توسط دانشگاه یا صنعت مورد ملاحظه قرار نگرفته است.
این مقاله اسکن شبکه را برای جمع آوری خودکار اطلاعات پیشنهاد می دهد و از یک وسیله نرم افزاری موجود برای تولید مدل های EA - به عنوان مثال استفاده از - ArchiMate بر اساس زیرساخت های IT سازمان ها استفاده می کند. در حالی که بعضی تلاش های دستی برای ایجاد مدل های کاملاً مفید برای بسیاری از سناریوهای عملی - به عنوان مثال تشریح جزئیات خدمات واقعی ارائه شده توسط اجزاء - IT ضروری ، نتایج تجربی نشان می دهد که این روش - متدولوژی - دقیق است و - در حالت پیش فرض آن - به تلاش های اندکی برای اجرای نیاز دارد
کارهای مرتبط
در جامعه معماری سازمانی، ابتکارات اندکی با تمرکز بر روی فرآیند جمع آوری داده ها برای نمونه سازی مدل و نگهداری آن وجود دارد. در میان شناخته شده ترین چهارچوب ها، جمع آوری داده ها تقریباً به طور کامل بر عهده مدلساز باقی گذاشته شده است. برخی از فروشندگان ابزار پشتیبانی را برای جمع آوری داده ها ارائه می دهند. با این حال، در بسیاری از موارد، لازم است که اطلاعات مورد نیاز در جای دیگری مدون شوند، این مطلب ایجاب می کند که داده باید در بعضی موارد توسط شخصی در زمان خاصی جمع آوری شود.
در جامعه EA علمی، اکثر پژوهشگران بر استخراج اصول و روش های طراحی برای ایجاد مدل و تعمیر و نگهداری آن تمرکز دارند. هیچ محقق ادعا نمی کند که تمرکزش بر جمع آوری خودکار داده ها است. در مورد اسکنرهای شبکه خودکار، هیچ کار قبلی که دقت آنها از نظر نرم افزار اکتشافی و حساب های کاربری کامپیوتری برآورد کرده باشد، وجود ندارد.
چهارچوب ها زیادی وجود دارند که به ارائه و بحث در مورد مدل سازی EA پرداخته باشند. با این حال، هیچ یک از آن ها فرآیند جمع آوری داده ها را که در هنگام ایجاد مدل های معماری استفاده شده، شرح نداده و در مورد آن بحث نکرده اند. هیچ کمک عملی در این چهارچوب ها با توجه به جمع آوری داده ها برای این مدل ها و یا برای به روز رسانی مدل های موجود فعلی - حفظ معماری - ارائه نشده است.
ابزار EA
در ابزار EA فعلی، برخی از رویکردها که به جمع آوری خودکار داده ها می پردازند را می توان یافت. رایج ترین روش این است که مدل هایی را که در نرم افزار شخص ثالث ساخته شده است، وارد کنیم. به عنوان مثال، - Architect BizzDesign می تواند داده ها را از برنامه های کاربردی اداری وارد کرده و با این داده ها مدل ها را نمونه سازی - معرفی - کند.
در نتیجه، جنبه اتوماسیون در واقع به این معناست که داده ها مجدداً مورد استفاده قرار می گیرد و در صورتی که هم اکنون وجود داشته باشند، نیازی به وارد کردن دستی نیست. با این حال، تفسیر داده های مستند شده در نرم افزار شخص ثالث می تواند از نظر زمانی و منابع مقرون به صرفه نباشد، بنابراین بخشی از هدف با جمع آوری خودکار اطلاعات در تناقض است.
به عنوان مثال - 9 - Troux امکان استفاده از پرس و جو SQL به منظور بارگذاری اطلاعات از پایگاه داده ها را فراهم می کند. این رویکرد بر استخراج مدل داده ها و توصیف فرآیندها، و در نتیجه ایجاد خودکار معماری اطلاعات و همچنین معماری کسب و کار تمرکز دارد.
در هر دو رویکرد فرض برآنست که داده های وارد شده، در برنامه های کاربردی شخص ثالث و یا پایگاه های داده، در حال حاضر در دسترس و به روز هستند. با این حال، این داده ها هنوز هم نیاز دارند تا به صورت دستی در محل اول قبل از استفاده، جمع آوری شوند. بنابراین، هر دو BizzDesign Architect و Troux به طور خودکار مدل ها را نمونه سازی - معرفی - می کنند ولی به طور خودکار اطلاعات را در سازمان جمع آوری نمی کنند.
